An Explainable Hybrid CNN-ViT Framework for Ethiopian Coffee Leaf Disease Classification

En las tierras altas de Etiopía, el café es más que un cultivo; es el latido del corazón de la economía y el sustento de millones. Durante siglos, los agricultores han dependido de sus ojos y del conocimiento local de generaciones para detectar los signos de enfermedades en sus plantas. Buscan el amarillamiento de una hoja o la aparición de una mancha extraña, utilizando esta intuición visual para decidir cómo proteger su cosecha. Sin embargo, este método tradicional tiene límites. Los signos tempranos de infección pueden ser sutiles y fáciles de pasar por alto, y para cuando una enfermedad se vuelve obvia al ojo humano, puede que ya se haya extendido demasiado para detenerla. En años recientes, los científicos han recurrido a las computadoras para ayudar, enseñándoles a reconocer patrones en imágenes que los humanos podrían pasar por alto. Estos sistemas informáticos, conocidos como modelos de aprendizaje profundo, actúan como ojos digitales que pueden escanear miles de hojas en segundos, identificando enfermedades específicas con una velocidad notable. No obstante, un obstáculo importante persiste: estas potentes computadoras suelen funcionar como cajas negras. Dan una respuesta, pero no explican por qué la eligieron, dejando a agricultores y expertos con la duda de si pueden confiar en el diagnóstico.

Un equipo de investigadores de la Universidad de Gondar y la Universidad de Mekdela Amba ha desarrollado un nuevo enfoque para cerrar esta brecha entre el poder bruto y la comprensión humana. Crearon un sistema diseñado específicamente para diagnosticar cuatro enfermedades comunes de la hoja de café en Etiopía: Cercospora, Roya de la hoja, Phoma y el estado saludable de la planta. En lugar de depender de un solo tipo de visión computacional, construyeron un marco híbrido que combina dos fortalezas distintas. Una parte del sistema actúa como un microscopio, haciendo zoom para ver texturas diminutas y detalles locales en la superficie de la hoja. La otra parte actúa como un lente gran angular, retrocediendo para comprender la forma general y el contexto de toda la hoja. Al fusionar estas dos perspectivas, el sistema aprende a ver la enfermedad con mayor claridad de lo que cualquiera de los dos métodos podría hacerlo por sí solo. Crucialmente, los investigadores también equiparon este sistema con una herramienta que resalta exactamente qué partes de la hoja está observando la computadora cuando toma una decisión. Esta transparencia permite que un agricultor vea el razonamiento de la computadora, confirmando que la máquina se está enfocando en las manchas reales de la enfermedad en lugar de en ruido aleatorio o sombras del fondo.

Los investigadores probaron su nuevo marco en una gran colección de 12,000 imágenes de alta calidad de hojas de café recolectadas en importantes centros de investigación y granjas de toda Etiopía. Dividieron esta colección en grupos, utilizando la mayoría de las imágenes para enseñar a la computadora y el resto para probar su conocimiento. El sistema fue entrenado para distinguir entre las cuatro categorías, aprendiendo a diferenciar entre una hoja sana y una que sufre infecciones fúngicas. Cuando comenzó la fase de prueba, el sistema híbrido demostró ser excepcionalmente preciso. Identificó correctamente la condición de las hojas en el 98.67 por ciento de los casos de prueba. Este rendimiento fue ligeramente mejor que el de otros modelos populares de computación con los que los investigadores lo compararon, los cuales alcanzaron puntuaciones que oscilaban entre el 98.06 y el 98.56 por ciento. El nuevo sistema fue particularmente bueno diferenciando entre hojas sanas y enfermas. Sin embargo, distinguir entre las dos enfermedades visualmente similares, la Roya de la hoja y la Phoma, siguió siendo la tarea más desafiante para todos los modelos, ocurriendo la mayoría de las clasificaciones erróneas cuando el sistema confundía la Roya de la hoja con la Phoma. A pesar de esta dificultad, el marco híbrido aun así logró superar a los modelos anteriores en la clasificación de la Roya de la hoja, demostrando la ventaja de combinar el análisis de textura local con el contexto global incluso para el caso más difícil.

Más allá de los números, el hallazgo más significativo reside en cómo el sistema se explica a sí mismo. Los investigadores utilizaron una técnica de visualización para generar mapas de calor, que son superposiciones de colores que muestran dónde se centra la atención de la computadora en la imagen. Cuando el sistema identificaba una enfermedad, estos mapas de calor resaltaban consistentemente las lesiones específicas, manchas o pústulas de la roya que los patólogos de plantas conocen como signos de enfermedad. Por ejemplo, al diagnosticar una hoja con Phoma, la computadora se enfocó precisamente en las manchas necróticas y sus bordes. Al observar una hoja sana, la computadora no mostró tal enfoque, indicando que no vio patrones de enfermedad. Esta alineación entre el enfoque de la computadora y el conocimiento de los expertos humanos es vital. Transforma al sistema de un oráculo misterioso en un socio confiable. Un agricultor o un trabajador de extensión agrícola puede mirar la imagen y el mapa de calor juntos, viendo exactamente por qué la computadora tomó su decisión. Esta prueba visual construye la confianza necesaria para que estas herramientas sean adoptadas en la agricultura real, donde la confianza es tan importante como la precisión.

El estudio reconoce que, aunque los resultados son sólidos, el trabajo aún no ha terminado. El conjunto de datos utilizado para el entrenamiento provino de regiones específicas de Etiopía, y el sistema podría necesitar más pruebas en diferentes entornos para asegurar que funcione en todas partes. Además, el modelo híbrido requiere más potencia de cómputo que los sistemas más simples, lo que podría dificultar su ejecución en teléfonos inteligentes básicos sin una optimización adicional. Sin embargo, los investigadores han trazado un camino claro a seguir. Sugieren que las versiones futuras de esta tecnología podrían comprimirse para ejecutarse en dispositivos móviles, integrarse con datos meteorológicos para lograr predicciones aún mejores y expandirse para cubrir más tipos de problemas vegetales. Al combinar la capacidad de ver detalles finos con la capacidad de comprender el panorama completo, y al hacer que ese proceso sea visible para el usuario, esta investigación ofrece un paso prometedor hacia un futuro donde la tecnología apoye, en lugar de reemplazar, la sabiduría de los agricultores de café etíopes. El objetivo no es solo detectar la enfermedad, sino hacerlo de una manera que las personas puedan entender, confiar y utilizar para proteger sus cultivos y sus medios de vida.